Outils du radiologue

La RSNA débat du compte rendu structuré et explique comment le mettre en œuvre

Le débat sur le format des comptes rendus radiologiques organisé par le congrès de la RSNA semble avoir penché en faveur du modèle standardisé, malgré les résistances de certains confrères. L'intégration d'éléments de donnée communs serait la clé de sa mise en œuvre.

icon réservé aux abonnésArticle réservé aux abonnés
Le 30/11/20 à 16:00, mise à jour hier à 15:11 Lecture 5 min.

Les éléments de donnée communs représentent une observation ou un résultat exprimé d’une manière contrôlée. Capture d'écran RSNA 2020

Quand il s’agit de rédiger un compte rendu radiologique, vous préférez du texte libre ou un modèle structuré ? Le 29 novembre 2020, une session du congrès de la Société nord-américaine de radiologie (RSNA) a fait débattre des supporters des deux approches

Celui qui défend le compte rendu structuré

Le premier, Adam Flanders, est radiologue, codirecteur de l’unité de neuroradiologie à hôpital universitaire Thomas Jefferson de Philadelphie (Pennsylvanie, États-Unis) et vice-président de l’imagerie informatique. Dans un article de la revue Academic Radiology, il explique pourquoi une structure imposée est nécessaire dans le compte rendu radiologique [1]. Le flux de travail traditionnel consiste à réaliser les images, les étudier, identifier les anomalies, les caractériser pour notamment établir un diagnostic, rappelle-t-il. Il est toujours possible d’améliorer la chaîne de production, notamment grâce au maching learning, et aux automatisations mais le compte rendu, constate-t-il, « reste trè

Il vous reste 87% de l’article à lire

Docteur Imago réserve cet article à ses abonnés

S'abonner à l'édition
  • Tous les contenus « abonnés » en illimité
  • Le journal numérique en avant-première
  • Newsletters exclusives, club abonnés

Abonnez-vous !

Docteur Imago en illimité sur desktop, tablette, smartphone, une offre 100% numérique

Offre mensuelle 100 % numérique

23 €

par mois

S’abonner à Docteur Imago

Auteurs

Avatar photo

Benjamin Bassereau

Directeur de la rédaction BOM Presse Clichy

Voir la fiche de l’auteur

Bibliographie

  1. Flanders, Adam E. : « Counterpoint: Why Some Imposed Structure Is a Necessity in Radiology Reporting ». Academic Radiology, vol. 26, no 7, juillet 2019, p. 983‑85. DOI.org (Crossref), doi:10.1016/j.acra.2019.03.008.
  2. Dani K. A., Thomas R. G. R., Chapell F. M. et coll., « Computed Tomography and Magnetic Resonance Perfusion Imaging in Ischemic Stroke: Definitions and Thresholds », Annals of Neurology, septembre 2011, vol. 70, no 3, p. 384‑401. DOI : 10.1002/ana.22500.
  3. Herzog R., Elgort D. R., Flanders A. E. « Variability in Diagnostic Error Rates of 10 MRI Centers Performing Lumbar Spine MRI Examinations on the Same Patient within a 3-Week Period », The Spine Journal, avril 2017, vol. 17, no 4. p. 554‑561. DOI : 10.1016/j.spinee.2016.11.009.
  4. Herzog R. J., Corenman D. S., « Marked Variability in Diagnostic Interpretation of Lumbar Spine MRI Found »,  SpineUniverse, https://www.spineuniverse.com/professional/news/marked-variability-diagnostic-interpretation-lumbar-spine-mri-found. Site consulté le 29 novembre 2020.

Mots-clés

compte rendu structuré RSNA 20

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

23 Oct

7:45

Une étude a comparé un système d’intelligence artificielle aux critères PI-RADS pour la détection du cancer de la prostate cliniquement significatif en IRM, démontrant une sensibilité non inférieure à l’échelle du patient, mais inférieure à l’échelle lésionnelle. L’IA pourrait compléter PI-RADS pour optimiser le triage des biopsies, notamment des lésions indéterminées PI-RADS 3, concluent les chercheurs.

7:00

22 Oct

15:30

Une équipe de chercheurs a développé un système d’intelligence artificielle multimodale combinant imagerie médicale et données cliniques pour prédire la survie à 24 mois de patients atteints d’un cancer de la prostate métastatique résistant à la castration, traités par radiothérapie vectorisée ciblant le PSMA. Ce modèle affiche des performances prometteuses pour la stratification pronostique et l’aide à la décision clinique.

15:00

11:30

L'IRM mammaire à contraste dynamique virtuel (vDCE) générée par deep learning sans injection de gadolinium possède une précision diagnostique comparable à celle de l’IRM conventionnelle, mais une sensibilité légèrement inférieure, selon une étude publiée dans European Radiology 

7:30

Les radiologues et les grands modèles de langage présentent des profils d’erreur complémentaires dans la détection des radiographies thoraciques générées par l’IA, selon une étude publiée dans le Journal of Imaging Informatics in Medicine.
✕
Docteur Imago

GRATUIT
VOIR